语音识别项目报告.pdf

语音识别项目报告 1. 简介 语音识别即对语音进行处理以得到语音的语义，说话人等信息。因为语音固有的复 杂性，语音识别是一个具有挑战性的问题，每年都有着大量研究。语音识别一般用于 人机交互，公共安全等。 本项目利用ALTERA DE2 开发板及SOPC 技术实现一个简单的语音识别系统。 2. 功能描述  读取SD 卡内的语音数据  5 种语音的训练  5 种语音的识别  SD 卡内语音的播放，刚录语音的播放 3. 设计方案 在实现上述功能时，必须考虑以下问题：  用什么算法？ 康奈尔大学的final project 里有一个做的就是语音识别。算法是提取固定长度语 音，再提取语音的MFCC 特征，最后利用MFCC 特征的前两项做简单的大小比较得到 语音的含义。我们在硬件和软件上都实现了一遍这一算法，发现结果不如人意。 接着，我们查阅了大量关于语音识别的资料。了解了经典的DTW 算法，HMM 算 法等。但DTW 算法计算量庞大而HMM 算法需要大量语音数据进行训练，考虑到时间 精力，我们没有用这些识别度高但计算量大且复杂度高的算法。 最终，我们在网上找到了另一种简单的算法。即事先提取5 种语音的频率特征并 存储，测试时先提取输入语音的特征然后与5 种语音的特征一一比较，特征最相似的 语音认为是相同语音。我们依然在硬件和软件上实现了这一算法，精度较高大概有 90% 的准确率。  如何实现这一算法？ 一种方法是硬件为主，软件为辅。就像康奈尔大学Final project 里做的那样，用硬 件存储语音并对输入语音进行FFT 变换，再用软件在FFT 的基础上提取MFCC 特征并最 终做简单大小比较。这种方法的好处在于处理速度快，专用度高，缺点是开发周期 长。 另一种方法是软件为主，硬件为辅。这也是本项目所使用的方法。我们主要依靠 SOPC 技术，利用CPU 完成大量计算，并对IO 进行控制。好处在于可以利用丰富的IP 核及相应的API ，灵活性好，开发周期短。不足在于一般而言处理速度慢于第一种方 法。 1. 硬件设计 硬件上我们主要用SOPC builder 搭建了一个小型系统，包含有CPU，SDRAM 控制 器，音频模块，七段显示器模块，拨码开关模块，SD 卡模块，如下图所示： Figure 1 SOPC 系统 这里的大部分模块我们用了ALTERA University Program 的IP 核，这些IP 核配置简 单并提供了丰富的API 大大减少了我们的开发难度。下面是具体的内容： Figure 2 SOPC builder 1.1. CPU 为了达到最快的处理速度，我们选择了Nios II/f，并支持hardware divide。 Figure 3 CPU 配置 1.2. SDRAM 因为DE2 板子上的SDRAM 大小为8MB，我们设置SDRAM Controller 的大小也为 8MB 。 Figure 4 SDRAM controller 1.3. LED, SW, 7 Segment display 等 这里我们用ALTERA University Program IP core 中的parallel port 来控制这些IO。其 中LED 主要用于对SW 功能进行分类显示，SW 主要用于控制系统的状态，七段显示器 主要用于系统的状态显示。这些IP 核都用默认设置即可。我们仅以LED 和七段显示器 为例。 1.4. Clocks 不同的模块需要用不同的时钟，如音频模块一般为12.288MHz，CPU 一般为 50MHz 等。我们用ALTERA University Program 的时钟模块。如下图所示： Figure 5 时钟模块